Az Egyesült Államok híres-hírhedt kormányügynöksége, az Élelmiszerbiztonsági és Gyógyszerészeti Hivatal (FDA) adatai alapján nagyon ellentétes hatású gyógyszerek interakciója következtében évente több mint 10 ezer személy hal meg amerikai kórházakban.

A halálos interakciók elkerülésére használt hagyományos eljárásokhoz viszont drága és fáradságos laboratóriumi tesztek kellenek a gyógyszerek fejlesztése során, majd a klinikaivizsgálatok eredményeként össze kell gyűjteni az adott gyógyszer létező és elvileg lehetséges összes mellékhatását.

Egy, az IQVIA amerikai egészségügyi informatikai vállalat szakemberei által vezetett projekt eredményeként, amerikai kutatók gyógyszerek vegyi szerkezetét prognosztizáló új rendszert dolgoztak ki. A rendszer segítségével megelőzhetők ellentétes hatású gyógyszerek interakciói.

Az MI két különféle gyógyszert használ, azokból az egymással folytatott interakciókra vonatkozóan generál előrejelzéseket. A kutatók elsőként az ideghálók által olvasható SMILES karakterformátummá alakítottak át gyógyszerek vegyi szerkezetét. A melatonin például CC(=O)NCCC1=CNc2c1cc(OC)cc2-ként, a morfium pedig CN1CCC23C4OC5=C(O)C=CC(CC1C2C=CC4O)=C35-ként jeleníthető meg, és így tovább.

Következő lépésben az ideghálót ismert gyógyszerek közötti interakciókat leíró adatbázison gyakoroltatták. A menet közben sokat fejlődött rendszer megmondja az ellentétes hatású interakciók valószínűségét, illetve megmutatja a molekulák speciális, érintett részeit, amelyek nélkül lehetetlen lenne előrejelzést készíteni.

A kutatók két jól ismert és gyakori interakciósoron tesztelték a rendszert. Az eredmény azonban őket is meglepte, mert jobban teljesített, mint a jelenlegi legfejlettebb mesterséges intelligenciák

A vegyi adatok elemzésére használt új technikák számos más alkalmazással, például gyógyszer- és anyagtervezéssel is kecsegtetnek.

„A modern világ döbbenetes mértékben függ a vegytantól. A mesterséges intelligenciában elképesztő potenciál rejlik, hogy segítsen minket, hogy minél többet megtudjunk vegyi folyamatokról, interakciókról, tulajdonságokról és minőségekről” – nyilatkozta David Cox, az MIT-IBM Watson AI Labor IBM igazgatója (és az egyik kutató).